CN114577318B - 一种车载称重模块及其传感方法 - Google Patents

Abstract

本发明属于称重技术领域，具体涉及一种车载称重模块和传感方法。本发明包括：一种车载称重传感方法，包括：构建载体坐标系和地理坐标系，对车载称重模块在地理坐标系下进行三个方向的静态加载标定，获取标定系数；进行称重传感器数据和惯性测量单元数据采集；对称重传感器数据进行补偿，获得实际称重数据；利用连续的称重数据，进行重量值修正。本发明通过在称重传感器的敏感梁上增加应变片并串联在对称桥臂上，以在不增加称重或测力数据输出通道数的情况下，获得所需各方向的干扰力情况。同时，将农机行进中的加速度以及偏转角加入称重结果计算之中，通过数据处理模块对惯性测量模块获取的加速度与偏转角进行补偿，以得到待测物体的实际重量，提高了测量精度。

Description

一种车载称重模块及其传感方法

技术领域

本发明属于称重技术领域，具体涉及一种车载称重模块及其传感方法。

背景技术

称重传感器在精确农业的应用中，大多位于农机装备之中，称重测力时一般处于农机车辆运行状态，此时农机的机械振动、农田道路的不平整度、农机的前进速度等，都会使得称重传感器在测量时不一定保持在理想水平位置状态，进而影响到测量精度。

现今关于车载称重传感器及相关动态测量技术的研究都还没有取得太大的突破和进展，相应的技术也不成熟，限制了车载称重传感器在现代农业装备中的产业化。因此，如何对不稳定环境下的称重结果进行动态补偿和矫正，提高在不稳定精度下的称重精度，是现在称重技术领域中亟待解决的问题。

发明内容

本发明所要解决的技术问题是：解决车载称重机在不稳定环境下称重结果不准确的问题。

本发明解决其技术问题所采用的技术方案是：提供了一种车载称重传感方法，以解决车载称重传感器在车辆运行过程中测量结果由于在不稳定环境下测量结果不精确的问题。

一种车载称重传感方法，包括：

构建载体坐标系和地理坐标系，对车载称重模块在地理坐标系下进行三个方向的静态加载标定，获取标定系数；

进行称重数据和惯性数据采集；其中，所述称重数据包括重量输出值，所述惯性数据包括实时加速度值和偏转角数值；

对称重数据进行补偿，获得真实称重数据；

利用连续的重量数据，进行重量值修正。

进一步，构建载体坐标系和地理坐标系包括：

将车载称重模块设为原点，构建以车载称重模块为基准的载体坐标系；

以地表为基准设置地理坐标系。

进一步，对车载称重模块在地理坐标系下进行三个方向的静态加载标定，获取标定系数，包括：

对车载称重模块在初始地理坐标系下进行三个方向的静态加载标定；

得到第一标定系数C_x、第二标定系数C_y、第三标定系数C_z；

其中，第一标定系数C_x、第二标定系数C_y、第三标定系数C_z用于建立车载称重模块的重量输出值与车载称重模块实际受力大小之间的输入输出关系，C_x和C_y是一对常数或几对常数。

进一步，所述第一标定系数C_x、第二标定系数C_y为几对常数中任意一对时，采用神经网络方法确定具体数值，具体包括：

厂内静态标定阶段，标定不同重量下W0下的第一标定系数C_x和第二标定系数C_y，得到标定系数组：C_xi，C_yi，其中，i＝1,2,……，j；

实际装车试车阶段，将不同重量的物体W0加载在所述车载称重模块上，得到一组车载称重模块的重量输出值W1和惯性测量模块输出值：三个方向的加速度值a_x,a_y,a_z和三个偏转角值ψ，θ，γ。

建立神经网络，构建输入向量[W1,a_x,a_y,a_z,ψ，θ，γ]；

将上述数据作为训练样本，完成神经网络训练。

进一步，所述对称重数据进行补偿，具体包括：

根据三个方向的标定系数，得到第一方程；

所述第一方程为W1＝C_x*W1_x’+C_y*W1_y’+C_z*W1_z’；其中，，Cx和Cy的取值由训练好的神经网络根据当前W1和a_x,a_y,a_z,ψ，θ，γ确定；

计算加速度作用而产生的载体坐标系下三个方向对车载称重机构的实时冲击力，得到第二方程组；

所述第二方程组为：

W1_x’＝W_x’+a_x’*(W₀/g)

W1_y’＝W_y’+a_x’*(W₀/g)

W1_z’＝W_z’+a_z’*(W₀/g)

建立地理坐标系到载体坐标系的方向余弦矩阵；

建立第三方程组；

所述第三方程组为：

根据第一方程、第二和第三方程组与已知重量输出值，计算出所称量物体的真实重量。

进一步，所述地理坐标系到载体坐标系的方向余弦矩阵为：

进一步，所述利用连续的重量数据，进行重量值修正，具体为：

y(t)＝k₁W(t)+k₂W(t-1)+_k3W(t-2)…+k_n-1W(t-n+2)+k_n

其中，k₁，k₂，……，k_n是任一常数；

W(t)为第t个采样时刻时得到的计算结果，y(t)为第t个采样时刻修正后重量值。

一种车载称重模块，包括：

称重传感器，测量物体的重量，得到重量输出值；其中，称重传感器采用弯曲梁或平行梁传感器，在其弹性元件敏感梁上均匀设置有四个应变片，这四个应变片的栅丝方向为传感器的长度方向，组成惠斯顿电桥；称重传感器弹性元件的敏感梁表面安装有两个用于干扰检测的应变片；

惯性测量模块，对称重模块进行加速度与偏转角的测量；

数据处理模块，根据加速度与偏转角对重量输出值进行补偿；

学习模块，进行神经网络训练学习；

存储模块，对相应数据进行存储；

输出模块，将测量出的称重数据输出。

进一步，所述惯性测量模块和称重模块安装在同一基座上。

本发明的有益效果是：

本发明在不修改当前称重传感器结构的前提下，在梁式称重传感器的敏感梁上增加两个应变片并串联在传感器电桥的对称桥臂上用于检测干扰力，实现了在不增加称重或测力数据输出通道数的情况下，对其他方向的力进行测量，从而获得各方向由加速度、角速度和偏转角等带来的干扰力情况。

在传统情况下，在称重传感器测量电桥中，串联与常规应变片方向正交的这两个应变片会导致称重传感器输出信号中融入了干扰力而影响测量精度，但是，在本发明中，通过增加惯性测量模块，可以对车辆在行进过程中称重传感器输出信号中融合进来的各种干扰力，通过算法补偿进行排除，使得数据的测量更加准确。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

图1是根据本发明第一实施方式的一种车载称重传感方法的流程图；

图2是根据本发明第二实施方式的一种车载称重模块结构示意图；

图3是根据本发明第二实施方式的一种车载称重模块中称重传感器测量电桥的示意图；

图4是根据本发明第二实施方式的一种车载称重模块中称重传感器的结构示意图；

图5是根据本发明第二实施方式的一种车载称重模块中称重传感器的结构示意图；

图中：

车载称重传感器100；

测量腔1，应变片11。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的第一实施方式涉及一种车载称重模块及其传感方法，在本实施方式中，首先构建载体坐标系和地理坐标系，进行数据采集。构建称重数据补偿方程，对采集的数据进行动态补偿之后，计算出补偿后的重量值。通过这种结合惯性测量模块进行称重补偿的方法，在称重时，考虑到行进中的农机对于称重结果的影响，将农机行进中的加速度以及偏转角加入称重结果计算之中，通过数据处理模块对惯性测量模块获取的加速度与偏转角进行补偿，以得到待测物体的真实重量，提高了测量精度。

下面对本实施方式的结合惯性测量模块进行称重补偿的方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须，本实施方式的具体流程如图1所示。

步骤101，构建载体坐标系和地理坐标系，对车载称重模块在地理坐标系下进行三个方向的静态加载标定，获取标定系数；

首先，将车载称重模块设为原点，构建以车载称重模块为基准的载体坐标系；以地表为基准设置地理坐标系。

载体坐标系与地理坐标系建立完成后，对车载称重模块进行标定。对车载称重机构进行标定是为了确定重力与车载称重机构的输出值的关系。具体标定过程是：在只能提供重力方向加载的测试加载台上把称重传感机构依次按XYZ 3个正交方向安装并固定，再进行加载测试，这样可以得到一个加载力A与称重传感机构输出Y的关系，Y＝C_x*A，Y＝C_y*A；Y＝C_z*A。假定这里所述的第三标定系数C_z是正常意义上的标定测试得到的校准系数，用于建立车载称重模块的重量输出值与车载称重模块实际所受重力大小A之间的关系。对于这一系数C_z，一般由于称重传感机构的结构在这一方向的特定设计，所以得到的标定系数C_z一般认为是定常数。而第一标定系数C_x、第二标定系数C_y是本发明提出的用于后续解耦干扰力的计算，实际上是描述干扰力与传感器输出之间的关系，即建立非测量方向干扰力与传感器输出之间的关系。由于称重机构在这两个方向上没有特定设计，因此得到的系数一般也不是定常数，所以本发明采用神经网络根据粗测的重量值来确定最终解耦算法所使用的校准系数C_x、C_y，从而实现高精度补偿。

在本实施方式中，需要对车载称重模块进行三个方向的静态加载标定，得到第一标定系数C_x、第二标定系数C_y、第三标定系数C_z，间接建立车载称重模块的惯性误差与车载称重模块的输出的关系。

其中，第一标定系数C_x、第二标定系数C_y、第三标定系数C_z用于建立车载称重模块的重量输出值与车载称重模块实际受力大小之间的输入输出关系，C_x和C_y是一对常数或几对常数。

优选的，第一标定系数C_x、第二标定系数C_y为几对常数中任意一对时，采用神经网络方法确定具体数值，具体包括：

标定不同重量下W0下的第一标定系数C_x和第二标定系数C_y，得到标定系数组：C_xi，C_yi，其中，i＝1,2,……，j；

将不同重量的物体加载在所述车载称重模块上，得到一组车载称重模块的重量输出值W1和惯性测量模块输出值a_x,a_y,a_z,ψ，θ，γ；

建立神经网络，构建输入向量[W1,a_x,a_y,a_z,ψ，θ，γ]；

将上述数据作为训练样本，完成神经网络训练。

其中，构建的神经网络模型是RBF神经网络，包括输入层，输出层和隐藏层。输入层和输出层采用线性函数作为传递函数。隐藏层采用非负非线性函数作为传递函数。神经网络训练好后，将网络模型置于存储模块中，用于后续计算时选取C_x和C_y。

步骤102，进行称重数据和惯性数据采集；

其中，称重数据包括重量输出值W1，惯性数据包括实时加速度值a_x、a_y、a_z和偏转角数值ψ，θ，γ。

步骤103，对称重数据进行补偿，获得真实称重数据；

首先，将待称量物体的真实重量W0在载体坐标系下沿三向分解为：W_x’,W_y’,W_z’；将车载称重模块测得的重量输出值W1在载体坐标系下三向分解为W1_x’,W1_y’,W1_z’。

根据三个方向的标定系数，得到第一方程：W1＝C_x*W1_x’+C_y*W1_y’+C_z*W1_z’。

根据测量出的实施加速度值和当地的重力加速度值g，计算出因加速度作用而产生的载体坐标系下三个方向对车载称重模块的实时冲击力：

X’方向冲击力为a_x’*(W0/g)；

Y’方向冲击力为a_y’*(W0/g)；

Z’方向冲击力为a_z’*(W0/g)；

根据上述三个方向对车载称重模块的实时冲击力，得到第二方程组：

W1_x’＝W_x’+a_x’*(W₀/g)；

W1_y’＝W_y’+a_x’*(W₀/g)；

W1_z’＝W_z’+a_z’*(W₀/g)；

第二方程组建立完成后，建立地理坐标系到载体坐标系的方向余弦矩阵：

根据方向余弦矩阵，得到用于将地理坐标系下的真实重量W0表示成当前载体坐标系下的第三方程组：

通过上述方程，根据已知重量输出值W1，解方程计算得到所称量物体在运动状态下的真实重量W0。

步骤104，利用连续的重量数据，进行重量值修正；

其中，具体修正公式为：

y(t)＝k₁W(t)+k₂W(t-1)+k₃W(t-2)…+k_n-1W(t-n+2)+k_n

其中，k₁，k₂，……，k_n是任一常数；

W(t)为第t个采样时刻时得到的计算结果，y(t)为第t个采样时刻修正后重量值。

通过考虑到车辆在行进过程之中实时加速度值与偏转角对真是重量值的影响，设立惯性测量模块来对实时加速度值以及偏转角进行测量

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第二实施方式涉及了一种结合惯性测量模块进行称重补偿的称重模块。如图2所示，包括：称重传感器201，惯性测量模块202，数据处理模块203，学习模块204，存储模块205，输出模块206。

称重传感器201，测量物体的重量，得到重量输出值；其中，见图3、图5，G1，G2，G3和G4是正常布置的应变片；Gx，Gy是应变片丝栅方向与G1～G4应变片丝栅方向呈90度方向放置的附加应变片。4个应变片分别布置在上下两个面上，应变片方向为传感器的长度方向。而用于增强感知干扰力的两个应变片则与正常应变片呈90度放置在平行梁传感器靠近加载端的一侧，即图中右侧，以此将其他方向上的力觉量测量和正常测试量耦合到一起，并将数据传输给数据处理模块；

可选的，见图4，在测量腔的圆周方向上的四个应变片的栅丝方向添加两个呈90°的应变片，增强对车辆在行进过程中其他方向的干扰力的测量。

惯性测量模块202，惯性测量模块202用于对称重传感器测得的重量输出值进行实时加速度a_x、a_y、a_z与偏转角ψ，θ，γ的测量；其中，ψ为绕Z轴旋转的偏航角，θ为绕Y轴旋转的俯仰角，γ为绕X轴旋转的翻滚角。

数据处理模块203，根据惯性测量模块202提供的实时加速度值与偏转角对重量输出值进行补偿，得到待测物体在运动状态下的真实重量；

数据处模块203设置有采样周期T，定期采集称重传感器201返回的称重数据，和惯性测量模块202返回的称重数据、加速度和角速度数据。

学习模块204，进行神经网络训练学习；

存储模块205，对相应数据进行存储；

输出模块206，将测量出的称重数据输出。

通过在原来均匀设置在测量腔的圆周方向上的四个应变片的栅丝方向添加两个呈90°的应变片，来对车辆在行进过程中其他方向的力进行测量，使得数据的测量更加准确。

不难发现，本实施方式为与第一实施方式相对应的系统实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (3)

1.一种车载称重传感方法，其特征在于，包括：

构建载体坐标系和地理坐标系，对车载称重模块在地理坐标系下进行三个方向的静态加载标定，获取标定系数；构建载体坐标系和地理坐标系包括：

将车载称重模块设为原点，构建以车载称重模块为基准的载体坐标系；

以地表为基准设置地理坐标系；对车载称重模块在地理坐标系下进行三个方向的静态加载标定，获取标定系数，包括：

对车载称重模块在初始地理坐标系下进行三个方向的静态加载标定；

得到第一标定系数Cx、第二标定系数Cy、第三标定系数Cz；

其中，第一标定系数Cx、第二标定系数Cy、第三标定系数Cz用于建立车载称重模块的重量输出值与车载称重模块实际受力大小之间的输入输出关系，Cx和Cy是一对常数或几对常数；

所述第一标定系数C_x、第二标定系数C_y为几对常数中任意一对时，采用神经网络方法确定具体数值，具体包括：

厂内静态标定阶段，标定不同重量W0下的第一标定系数C_x和第二标定系数C_y，得到标定系数组：C_xi，C_yi，其中，i＝1,2,……，j；

实际装车试车阶段，将不同重量的物体W0加载在所述车载称重模块上，得到一组车载称重模块中称重传感器重量输出值W1和惯性测量模块输出值：三个方向的加速度值a_x,a_y,a_z和三个偏转角值ψ，θ，γ；

建立神经网络，构建输入向量[W1,a_x,a_y,a_z,ψ，θ，γ]；

将所述第一标定系数Cx、第二标定系数Cy、第三标定系数Cz、所述标定系数组：C_xi，C_yi，其中，i＝1,2,……，j、所述称重传感器重量输出值W1和所述惯性测量模块输出值：三个方向的加速度值a_x,a_y,a_z和三个偏转角值ψ，θ，γ；以及所述输入向量[W1,a_x,a_y,a_z,ψ，θ，γ]作为训练样本，完成神经网络训练；

进行称重数据和惯性数据采集；其中，所述称重数据包括重量输出值，所述惯性数据包括实时加速度值和偏转角数值；

对称重数据进行补偿，获得真实称重数据；

所述对称重数据进行补偿，具体包括：

根据三个方向的标定系数，得到第一方程；

所述第一方程为W1＝C_x*W1_x’+C_y*W1_y’+C_z*W1_z’；其中，C_x和C_y的取值由训练好的神经网络根据当前W1和a_x,a_y,a_z,ψ，θ，γ确定；

计算加速度作用而产生的载体坐标系下三个方向对车载称重模块的实时冲击力，得到第二方程组；

所述第二方程组为：

W1_x’＝W_x’+a_x’*(W₀/g)

W1_y’＝W_y’+a_x’*(W₀/g)

W1_z’＝W_z’+a_z’*(W₀/g)

建立地理坐标系到载体坐标系的方向余弦矩阵；

所述地理坐标系到载体坐标系的方向余弦矩阵为：

建立第三方程组；

所述第三方程组为：

根据第一方程、第二和第三方程组与已知重量输出值，计算出所称量物体的真实称重数据；

利用连续的称重数据，进行称重数据修正，得到修正后的称重数据；

所述利用连续的称重数据，进行称重数据修正，具体为：

y(t)＝k₁W(t)+k₂W(t-1)+k₃W(t-2)…+k_n-1W(t-n+2)+k_n

其中，k₁，k₂，……，k_n是任一常数；

W(t)为第t个采样时刻时得到的计算结果，y(t)为第t个采样时刻修正后称重数据；

所述车载称重模块包括称重传感器，称重传感器采用弯曲梁或平行梁传感器，在其弹性元件敏感梁上均匀设置有四个应变片，这四个应变片的栅丝方向为称重传感器的长度方向，组成惠斯顿电桥；称重传感器弹性元件敏感梁表面安装有两个用于干扰检测的应变片；

所述称重传感器设有测量腔，所述四个应变片分别布置在所述测量腔圆周方向的上下两个面上，四个应变片方向为传感器的长度方向，而用于干扰检测的两个应变片则与四个应变片呈90度放置在称重传感器靠近加载端的一侧，以此将其他方向上的干扰力测量和常规方向受力测量耦合到一起，并将数据传输给数据处理模块。

2.一种车载称重模块，使用如权利要求1所述的车载称重传感方法，其特征在于，包括：

称重传感器，测量物体的重量，得到重量输出值；其中，称重传感器采用弯曲梁或平行梁传感器，在其弹性元件敏感梁上均匀设置有四个应变片，这四个应变片的栅丝方向为称重传感器的长度方向，组成惠斯顿电桥；称重传感器弹性元件敏感梁表面安装有两个用于干扰检测的应变片；

惯性测量模块，对称重模块进行加速度与偏转角的测量；

数据处理模块，根据加速度与偏转角对重量输出值进行补偿；

学习模块，进行神经网络训练学习；

存储模块，对相应数据进行存储；

输出模块，将测量出的称重数据输出；

所述称重传感器设有测量腔，所述四个应变片分别布置在所述测量腔圆周方向的上下两个面上，四个应变片方向为传感器的长度方向，而用于干扰检测的两个应变片则与四个应变片呈90度放置在称重传感器靠近加载端的一侧，以此将其他方向上的干扰力测量和常规方向受力测量耦合到一起，并将数据传输给数据处理模块。

3.根据权利要求2所述的一种车载称重模块，其特征在于，所述惯性测量模块和称重传感器安装在同一基座上。